[發明專利]數據聚類方法和裝置

在審

• 申請號: 201310733986.9
• 申請日: 2013-12-26
• 公開（公告）號: CN103699653A
• 公開（公告）日: 2014-04-02
• 發明（設計）人: 季鐸
• 申請（專利權）人: 沈陽航空航天大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 吳貴明;張永明

1.一種數據聚類方法，其特征在于，包括：重復執行以下步驟直到完成對待聚類的樣本集合中的所有樣本的聚類，其中，當前待聚類樣本集合的初始值為所述待聚類的樣本集合中的每個樣本：

根據樣本距離排序關系在所述當前待聚類樣本集合中查找第一樣本集合和/或第二樣本集合，其中，所述第一樣本集合和所述第二樣本集合中的每個成員包含以下至少之一：樣本、樣本集合，其中，所述樣本集合包括多個樣本，所述第一樣本集合中的每個成員各自形成一個階梯簇；所述第二樣本集合中的每個成員自身滿足聚類條件，但與所述第二樣本集合中的其他成員或者與所述第一樣本集合中的成員之間不滿足所述聚類條件；

并行對所述第一樣本集合中的每個成員和/或所述第二樣本集合中的每個成員執行聚類操作，每個成員執行完成所述聚類操作后形成一個樣本集合；

根據所述聚類操作所得到的樣本集合對所述當前待聚類樣本集合中的成員進行更新。

2.根據權利要求1所述的方法，其特征在于，在重復執行所述步驟直到完成對待聚類的樣本集合中的所有樣本的聚類之前，還包括：

獲取所述待聚類的樣本集合中的每兩個樣本之間的距離；

按照所述距離的大小對所述待聚類的樣本集合中的每兩個樣本形成的樣本對進行排序，形成所述樣本距離排序關系。

3.根據權利要求1所述的方法，其特征在于，所述根據樣本距離排序關系在所述當前待聚類樣本集合中查找第一樣本集合包括：

若所述當前待聚類樣本集合中的多個成員滿足以下條件，則將滿足所述以下條件的所述多個成員記錄為所述第一樣本集合中的一個成員：所述當前待聚類樣本集合中的所述多個成員按照所述樣本距離排序關系中記錄的排序順序依次滿足所述聚類條件，且與所述當前待聚類樣本集合中的其他成員不滿足所述聚類條件。

4.根據權利要求1所述的方法，其特征在于，所述根據樣本距離排序關系在所述當前待聚類樣本集合中查找第二樣本集合包括：

若所述當前待聚類樣本集合中的相鄰兩個成員滿足以下條件，則將滿足所述以下條件的多個成員記錄為所述第二樣本集合中的一個成員：所述當前待聚類樣本集合中的所述相鄰兩個成員之間滿足所述聚類條件，且與所述當前待聚類樣本集合中的其他成員不滿足所述聚類條件。

5.根據權利要求1所述的方法，其特征在于，所述根據所述聚類操作所得到的樣本集合對所述當前待聚類樣本集合中的成員進行更新包括：

將所述當前待聚類樣本集合中的成員更新為所述聚類操作所得到的樣本集合；或者

將所述當前待聚類樣本集合中除未參與所述聚類操作的成員之外的成員更新為所述聚類操作所得到的樣本集合，并在更新后的所述當前待聚類樣本集合中保留所述未參與所述聚類操作的成員。

6.根據權利要求1至4中任一項所述的方法，其特征在于，所述聚類條件包括以下至少之一：

樣本與樣本之間的距離滿足第一預定閾值；

樣本與樣本集合之間的距離滿足第二預定閾值；

樣本集合與樣本集合之間的距離滿足第三預定閾值。

7.根據權利要求1至4中任一項所述的方法，其特征在于，所述距離包括以下至少之一：最近距離，最遠距離。

8.一種數據聚類裝置，其特征在于，包括：

查找單元，用于根據樣本距離排序關系在當前待聚類樣本集合中查找第一樣本集合和/或第二樣本集合，其中，所述第一樣本集合和所述第二樣本集合中的每個成員包含以下至少之一：樣本、樣本集合，其中，所述樣本集合包括多個樣本，所述第一樣本集合中的每個成員各自形成一個階梯簇；所述第二樣本集合中的每個成員自身滿足聚類條件，但與所述第二樣本集合中的其他成員或者與所述第一樣本集合中的成員之間不滿足所述聚類條件；

聚類單元，用于并行對所述第一樣本集合中的每個成員和/或所述第二樣本集合中的每個成員執行聚類操作，每個成員執行完成所述聚類操作后形成一個樣本集合；

更新單元，用于根據所述聚類操作所得到的樣本集合對所述當前待聚類樣本集合中的成員進行更新；

判斷單元，用于判斷是否完成對待聚類的樣本集合中的所有樣本的聚類，若未完成對所述待聚類的樣本集合中的所有樣本的聚類，則通知所述查找單元執行所述查找的操作，通知所述聚類單元執行所述聚類的操作以及通知所述更新單元執行所述更新的操作，其中，當前待聚類樣本集合的初始值為所述待聚類的樣本集合中的每個樣本。